Fugu-MT 論文翻訳(概要): Provident Vehicle Detection at Night: The PVDN Dataset

論文の概要: Provident Vehicle Detection at Night: The PVDN Dataset

arxiv url: http://arxiv.org/abs/2012.15376v2
Date: Sat, 23 Jan 2021 22:00:48 GMT
ステータス: 処理完了
システム内更新日: 2021-04-17 17:09:13.031824
Title: Provident Vehicle Detection at Night: The PVDN Dataset
Title（参考訳）: 夜間生産車検出:PVDNデータセット
Authors: Lars Ohnemus and Lukas Ewecker and Ebubekir Asan and Stefan Roos and Simon Isele and Jakob Ketterer and Leopold M\"uller and Sascha Saralajew
Abstract要約: 夜間の農村環境における346の異なるシーンのうち、59746のグレースケール注釈付き画像を含む新しいデータセットを提示する。これらの画像では、すべての対向車、対応する光オブジェクト(例えばヘッドランプ)、およびそれぞれの光反射(例えばガードレールの光反射)がラベル付けされている。そのために私たちは,新たな車両検出方法の研究を可能にするために,包括的な根拠データを備えたオープンソースデータセットを初めて提供します。
参考スコア（独自算出の注目度）: 2.8730465903425877
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For advanced driver assistance systems, it is crucial to have information about oncoming vehicles as early as possible. At night, this task is especially difficult due to poor lighting conditions. For that, during nighttime, every vehicle uses headlamps to improve sight and therefore ensure safe driving. As humans, we intuitively assume oncoming vehicles before the vehicles are actually physically visible by detecting light reflections caused by their headlamps. In this paper, we present a novel dataset containing 59746 annotated grayscale images out of 346 different scenes in a rural environment at night. In these images, all oncoming vehicles, their corresponding light objects (e.g., headlamps), and their respective light reflections (e.g., light reflections on guardrails) are labeled. This is accompanied by an in-depth analysis of the dataset characteristics. With that, we are providing the first open-source dataset with comprehensive ground truth data to enable research into new methods of detecting oncoming vehicles based on the light reflections they cause, long before they are directly visible. We consider this as an essential step to further close the performance gap between current advanced driver assistance systems and human behavior.
Abstract（参考訳）: 先進的な運転支援システムでは、できるだけ早く来るべき車両に関する情報を得ることが不可欠である。夜間は照明条件が悪いため特に難しい。そのため、夜間にはすべての車両がヘッドランプを使用して視覚を改善し、安全な運転を確保する。人間として私たちは、ヘッドランプによって引き起こされる光反射を検出することで、実際に車両が物理的に見えるようになる前に、直観的に対向車と仮定する。本稿では,夜間の農村環境において,346場面のうち59746場面の灰色スケール画像を含む新しいデータセットを提案する。これらの画像では、すべての対向車、対応する光オブジェクト(例えばヘッドランプ)、およびそれぞれの光反射(例えばガードレールの光反射)がラベル付けされている。これにはデータセット特性の詳細な分析が伴う。これにより、我々は、直視されるずっと前に、それらが引き起こす光の反射に基づいて車両を検知する新しい方法の研究を可能にする、包括的な真実データを備えた、最初のオープンソースデータセットを提供する。我々は、これは現在の先進的な運転支援システムと人間の行動との間のパフォーマンスのギャップをさらに縮めるための重要なステップだと考えています。

関連論文リスト

NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文参考訳（メタデータ） (2024-02-28T09:02:33Z)
Robust Detection, Association, and Localization of Vehicle Lights: A Context-Based Cascaded CNN Approach and Evaluations [0.0]
本稿では、上流車両検出と可視光中心の近似を付与した車両光の検出方法を提案する。地上の真理角からの平均距離誤差は4.77ピクセルであり、車両の光の約16.33%である。我々は,このモデルをパイプラインに統合して,完全形状の車両光検出ネットワークを構築することを提案する。
論文参考訳（メタデータ） (2023-07-27T01:20:47Z)
Patterns of Vehicle Lights: Addressing Complexities in Curation and Annotation of Camera-Based Vehicle Light Datasets and Metrics [0.0]
本稿では、コンピュータビジョンにおける車両光の表現とその自律運転分野における様々なタスクへの応用について考察する。車両の光検出から恩恵を受けることができる自動運転における3つの重要なタスクが特定される。データ駆動モデルのトレーニングのための大規模なデータセットの収集と注釈付けの課題にも対処する。
論文参考訳（メタデータ） (2023-07-26T21:48:14Z)
Robust Traffic Light Detection Using Salience-Sensitive Loss: Computational Framework and Evaluations [0.3061098887924466]
本稿では,運転者の将来の判断に影響を及ぼす信号として,信号機の定義に焦点をあてた交通信号検出モデルを提案する。次に、このサリエンス特性を用いて、注釈付きサリエンス特性を持つ米国初のトラヒックライトデータセットであるLAVA Salient Lightsデータセットを構築する。本研究では,Salience-Sensitive Focal Lossを用いたDeformable DETRオブジェクト検出トランスモデルを訓練し,サリアント信号の高機能化を図る。
論文参考訳（メタデータ） (2023-05-08T07:22:15Z)
Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。両センサと融合に関する概念と特徴を提示する。本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文参考訳（メタデータ） (2023-03-08T00:48:32Z)
Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。様々な要因がドライバーの疲労の原因となっている。ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文参考訳（メタデータ） (2022-08-31T08:42:28Z)
Combining Visual Saliency Methods and Sparse Keypoint Annotations to Providently Detect Vehicles at Night [2.0299248281970956]
視覚的サリエンシとスパースなキーポイントアノテーションに基づいて異なるオブジェクト表現を作成するための、潜在的なサリエンシに基づくアプローチについて検討する。このアプローチは、異なるオブジェクト表現の自動導出を可能にする。我々は、実際に見えるようになる前に夜間に車両を検知する問題を研究するための、より強力なツールや方法を提供する。
論文参考訳（メタデータ） (2022-04-25T09:56:34Z)
Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-03-22T00:58:27Z)
A Dataset for Provident Vehicle Detection at Night [3.1969855247377827]
この直感的な人間の行動をコンピュータビジョンアルゴリズムにマッピングし、夜間に来るべき車両を検知する方法の問題点について検討する。夜間の農村環境における346の異なるシーンのうち,59746の注釈付きグレースケール画像を含む大規模なオープンソースデータセットを提案する。光反射などの視覚的手がかりを客観的に記述する上で,データセットの特徴と課題について論じる。
論文参考訳（メタデータ） (2021-05-27T15:31:33Z)
Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文参考訳（メタデータ） (2020-04-01T16:11:04Z)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。